Segmentation d’une image ∗ en niveaux de gris

Cédric Marchessoux

∗ Merci

à tous les internautes qui proposent de l’opensource, source : Patrick lambert, Jean-Michel Jolion et Max Mignotte, "Analyse d’images : filtrage et segmentation" de J.P. Cocquerez et S. Philipp, éditions Masson 1

décembre 2002

1.1 Introduction
Formation de l’image bas niveau Pré-traitement Segmentation

Analyse haut niveau Interprétation – Pré-traitement : Elimination du bruit (travail en pixels) . . . – Segmentation : Partition de l’image en entités plus riches que les pixels, par exemple des régions. L’objectif d’une segmentation est partitionner une image en régions homogènes décembre 2002
2

2 Stratégie de segmentation – 2 approches : – CONTOURS : mise en évidence avec les différences entre les objets.1. – REGIONS : mise en relief des ressemblances entre pixels. – Exemple : – Image originale – Image filtrée (Pré-traitement) – Opérateur gradient (Mise en évidence des différences) – Seuillage (Image binaire) Dans approche Région : obtention de contours fermés =⇒ Dualité Contours-Régions décembre 2002 4 .

3 Segmentation en niveaux de gris. | jp − jq |) v8(P ) = {Q S. d4(P. Q) ≤ 1} décembre 2002 5 . d8(P.1. Q) ≤ 1} d8(P. Q) = max (| ip − iq |.3.1 Rappel : Connexité d4(P. Q) =| ip − iq | + | jp − jq | v4(P ) = {Q S. approche régions 1.

. 1.3.2 Conditions – La segmentation doit être complète (chaque pixel doit être dans une classe). – Les régions doivent être disjointes....1.3 Conditions La segmentation d’une image vis à vis d’un critère d’homogénéité H peut s’exprimer de la manière suivante : la segmentation d’une image I en regard du critère H est une partition de l’image I en régions homogènes X 1. – Les pixels appartenant à la même région doivent être connectés.3. Xn telles que : décembre 2002 6 .

une segmentation dépend du critère employé.– Pour tout i. – Pour tout couple (Xi. Le choix du critère est donc primordial. il existe plusieurs solutions. Cette définition conduit à deux remarques très importantes. Tout d’abord. décembre 2002 7 . la décomposition obtenue n’est pas unique. Pour un critère donné. Ensuite.Xj ) de régions voisines. – Pour tout i. H[Xi] est vrai. Xi est connexe. H[Xi.Xj] est faux.

1. – Etiquetage en composantes connexes. On fait grossir ces germes. – La stratégie descendante : Décompostion pyramidale rigide et stochastique adaptative (division successive de l’image et fusion).4 Quelques techniques de segmentations en régions – La stratégie globale : classification avec tracé d’histogramme. décembre 2002 8 . – La stratégie ascendante : pixel = germe.

1 Classification avec tracé d’histogramme A chaque pixel une classe est associée (A. décembre 2002 9 .4. Il faut précédemment déterminer les seuils séparant les classes.1. ou C). B.

décembre 2002 10 .2 Méthode par croissance de régions Chaque pixel peut être un germe que l’on fait croître itérativement.4.1.

3. – Il ne s’applique que sur des images carrées dont le côté est une puissance de 2.3 La stratégie descendante : Décomposition pyramidale rigide (division successive de l’image et fusion) 1. décembre 2002 11 . – Le quadtree est une arborescence dont la racine est l’image toute entière et dont chaque noeud possède 4 fils.1.4.4.1 le "quadtree" ou "arbre quaternaire" – Le quadtree est une représentation de l’image exploitant la récursivité du pavage carré.

décembre 2002 12 .

2 Division : split L’image est divisée en régions en utilisant une représentation quadtree.3.1.4. décembre 2002 13 .

1.4.3.3 Fusion : merge Les feuilles similaires et voisines sont rassemblées. décembre 2002 14 .

décembre 2002 15 .

– Le principe de construction du quadtree est lié à la mesure d’un critère d’homogénéité sur une région. – Temps de calcul : ? ? ? ? – Les opérations (addition. ceci est différent.Discussion – Cette structure de données peut s’adapter à toute segmentation en région. – pourquoi rigide ? : le rapport entre le nombre de noeuds de deux graphes consécutifs est constant ainsi que le nombre de voisins par noeud. décembre 2002 16 . intersection) entre quadtrees peuvent être effectuées plus rapidement qu’entre images. – Problème de la rigidité des divisions : ceci empêche une bonne adéquation aux données. une translation de l’image d’un seul pixel perturbe complètement la structure du quadtree. Par exemple. – Dans le cas d’une pyramide stochastique adaptative.

1. décembre 2002 17 . – La dimension de l’image représentée est constante quel que soit le niveau. – Le nombre de noeuds du graphe diminue d’un niveau inférieur à un niveau directement supérieur.4.4 La stratégie descendante : les pyramides stochastiques adaptatives – Chaque noeud d’un niveau correspond à une région de l’image de base.

décembre 2002 19 .

5 Etiquetage en composantes connexes – L’étiquetage en composantes connexes d’une image attribue à tous les pixels d’une composante connexe une même étiquette (valeur entière). décembre 2002 20 . – La méthode la plus courante d’étiquetage consiste à balayer séquentiellement l’image : – On considère pour chaque point P ses voisins déjà traités : deux pour la 4-connexité. 4 pour la 8-connexité.4. – Chaque composante connexe est alors identifiée par son étiquette.1.

1 1 1 1 1 0 1 0 1 0 1 1 1 1 0 1 0 1 0 1 1 1 1 1 Image d’origine : image binaire 1 1 1 1 1 0 1 0 6 0 4 4 2 2 0 2 0 7 0 5 5 3 3 3 Image des étiquettes 1 1 1 1 1 0 1 0 1 0 1 1 1 1 0 1 0 2 0 2 2 2 2 2 Image des étiquettes après mise à jour décembre 2002 21 .

– Possibilité d’étendre la segmentation niveaux de gris à la segmentation couleur : – Ajout d’une dimension : couleur. décembre 2002 22 .5 Conclusion – 2 approches possibles : – Contours. image + image de profondeur. – régions.1.

Sign up to vote on this title
UsefulNot useful